Python 从一行上循环的数据帧中提取字符串

我将多个PDF（使用tabla）读入如下数据帧：

nan = float('nan')
DataFrame_as_dict = {'Unnamed: 0': {0: nan, 1: nan, 2: nan, 3: nan, 4: nan, 5: nan},
 'Unnamed: 1': {0: nan, 1: nan, 2: nan, 3: nan, 4: nan, 5: nan},
 'NOTA DE NEGOCIAÇÃO': {0: nan,
  1: nan,
  2: 'Rico Investimentos - Grupo XP',
  3: 'Av. Presidente Juscelino Kubitschek - Torre Sul, 1909 - 25o ANDAR VILA OLIMPIA 4543-907',
  4: 'Tel. 3003-5465Fax: (55 11) 4007-2465',
  5: 'Internet: www.rico.com.vc SAC: 0800-774-0402 e-mail: atendimento@rico.com.vc'},
 'Unnamed: 3': {0: 'Nr. nota Folha',
  1: '330736 1',
  2: nan,
  3: 'SÃO PAULO - SP',
  4: nan,
  5: nan},
 'Unnamed: 4': {0: nan, 1: nan, 2: nan, 3: nan, 4: nan, 5: nan},
 'Unnamed: 5': {0: 'Data pregão',
  1: '30/09/2015',
  2: nan,
  3: nan,
  4: nan,
  5: nan}}

df = pd.DataFrame(DataFrame_as_dict)

我的意图是将该值“330736 1”用于变量“number”，将“30/09/2015”用于变量“date”

问题在于，尽管这些值始终位于第1行，列在多个PDF中以不可预测的方式变化

因此，我尝试循环第1行的不同列，以便提取这些数据，而不管它们是哪列：

list_columns = df.columns
for i in range(len(list_columns)):
    if isinstance(df.iloc[1:2,i], str):
        if df.iloc[1:2,i].str.contains("/",na=False,regex=False).any():
            date = str(df.iloc[1:2,i]).strip()
        else:
            n_nota = str(df.iloc[1:2,i]).strip()

---

然而，没有成功。。。有什么想法吗？

在您的原始代码中，

如果存在（df.iloc[1:2，i]，str）

将永远不会计算为

True

，原因有二：

数据帧内的字符串类型为

object

df.iloc[1:2，i]

将始终是一个系列

由于

object

是一种非常灵活的类型，因此它在识别所需数据方面不如

str

有用。在下面的代码中，我只是使用了一个空格字符来区分

n\u nota

所需的数据。如果这不适用于您的数据，则正则表达式模式可能是一个好方法

list_columns = df.columns
for i in range(len(list_columns)):
    if isinstance(df.iloc[1:2,i].values, object):
        (df.iloc[1:2,i].values)
        if "/" in str(df.iloc[1:2,i].values):
            date = str(df.iloc[1:2,i].values[0]).strip()
        elif " " in str(df.iloc[1:2,i].values):
            n_nota = str(df.iloc[1:2,i].values[0]).strip()

编辑：如下所述，如果将每个

df.iloc[1:2，i]

替换为

df.iloc[1，i]

，则问题文本中的原始代码会起作用，如下所示：

list_columns = df.columns
for i in range(len(list_columns)):
    if isinstance(df.iloc[1,i], str):
        if df.iloc[1:2,i].str.contains("/",na=False,regex=False).any():
            date = str(df.iloc[1,i]).strip()
        else:
            n_nota = str(df.iloc[1,i]).strip()  

---

你的代码运行得非常好。非常感谢你。然而，当你说“将永远不会评估为真”时，我认为会是这样，因为当我测试“print（isinstance（df.iloc[1,5]，str））”时，它打印为真。啊，这在@Allan中是有意义的，并导致我在上面添加的更符合逻辑的解决方案，它几乎与你提出的解决方案相同。好极了！很明显，您就快到了，这个经过编辑的解决方案并不依赖于不太一般的空格字符。